一种基于GPS数据的公交运行状态评估方法技术

本发明专利技术公开了一种基于GPS数据的公交运行状态评估方法，包括公交运行状态划分为集结态、集结过渡态、常态、大间隔过渡态和大间隔状态；运行状态阈值确定：将特征值车头时距的数据集划分为不同的类别，各类别聚类中心从小到大排序，相邻类别聚类中心平均值即为各状态阈值。确定指标、建立公交时空集簇概率模型、空间概率分布拟合和时间概率分布拟合；最后建立多分类Logistic公交集簇预测模型，根据所建立的预测模型判定公交运行状态在线路上的状态转移概率，作出公交运行状态评估。本发明专利技术方便快捷，提升公交服务水平；具有较高预测精度，使乘客能够更好地了解公交运行情况，合理调控出行时间。

A method of public transport operation state evaluation based on GPS data

【技术实现步骤摘要】
一种基于GPS数据的公交运行状态评估方法
本专利技术涉及智能公共交通领域，尤其是一种基于GPS数据的公交运行状态评估方法。
技术介绍
目前许多大城市的公交站点已经出现对公交车辆到站的预测，采用的方法基本为结合车载GPS系统，给乘客提供下一辆车与站点的距离及预计到站时间。但没有对公交车运行状态的预测方法。地面公交的行驶总是会受到各种随机因素的干扰，使得公交运行时常出现若干辆同线路车同时到达的集簇现象，造成公交服务可靠性降低，部分乘客等待时间延长，公交分担率下降等问题。因此，建立公交运行状态评估平台具有较好的理论价值和现实意义。一般公交车辆在道路上行驶时，从微观层面分析它的运行特征，其运行状态的识别指标有该车辆的运行速度、加速度等指标，而公交系统的运行状态则不能简单的以公交车辆的速度、加速度等指标来划分公交车辆的运行状态由其状态特征值决定，车头时距作为状态特征值可以准确的反映出两辆车之间的运行状态。分析的角度不同，公交运行状态的划分也不同。如根据车辆是否发生了集簇，可以将车辆划分为：集簇状态和非集簇状态。为了考虑既定发车间隔的影响，本文档来自技高网...

【技术保护点】
1.一种基于GPS数据的公交运行状态评估方法，其特征在于，包括以下步骤：/n步骤1，公交运行状态划分：/n11)结合公交运行状态特征值车头时距的大小，划分为集结态、集结过渡态、常态、大间隔过渡态和大间隔状态五个状态；/n12)运行状态阈值确定：/n通过K-means聚类算法迭代将特征值车头时距的数据集划分为不同的类别；/n13)将利用K-means聚类算法得到的各类别的聚类中心从小到大排序，相邻类别聚类中心的平均值即为各状态阈值；/n步骤2，公交运行状态时空概率分布：/n21)确定指标：通过公交GPS数据信息采集与处理系统获取公交车ID以及到站时刻，计算车头时距与车头时距遵守比率HAR；/n2...

【技术特征摘要】
1.一种基于GPS数据的公交运行状态评估方法，其特征在于，包括以下步骤：
步骤1，公交运行状态划分：
11)结合公交运行状态特征值车头时距的大小，划分为集结态、集结过渡态、常态、大间隔过渡态和大间隔状态五个状态；
12)运行状态阈值确定：
通过K-means聚类算法迭代将特征值车头时距的数据集划分为不同的类别；
13)将利用K-means聚类算法得到的各类别的聚类中心从小到大排序，相邻类别聚类中心的平均值即为各状态阈值；
步骤2，公交运行状态时空概率分布：
21)确定指标：通过公交GPS数据信息采集与处理系统获取公交车ID以及到站时刻，计算车头时距与车头时距遵守比率HAR；
22)建立公交时空集簇概率模型：集簇概率定义为同一线路上前后连续两辆公交车辆在一个时间阈值内相继到达同一站点的概率；
23)空间概率分布拟合：
利用步骤21)计算得到的车头时距与车头时距遵守比率HAR，筛选出步骤22)中空间所有可能的概率分布形式，然后利用单样本K-S检验对其进行概率分布检验；
24)时间概率分布拟合：
对于集簇概率在时间上的变化规律，将公交车一天运行时间划分为若干个时间间隔，分别计算每个时间间隔内的车头时距和HAR；筛选出步骤22)中时间所有可能的概率分布形式，然后利用单样本K-S检验对其进行概率分布检验；
步骤3，建立多分类Logistic公交集簇预测模型；根据所建立的预测模型判定公交运行状态在线路上的状态转移概率，作出公交运行状态评估。


2.根据权利要求1所述的一种基于GPS数据的公交运行状态评估方法，其特征在于，所述步骤11)中，五个状态分别表示为集结态(0,hb)、集结过渡态(hb,hbn)、常态(hbn,hnd)、大间隔过渡态(hbn,hd)和大间隔状态(hd,+∞)；
其中：hb表示公交车辆的车头时距；hd表示公交车辆发生集结时的车头时距阈值；hbn表示公交车辆常态车头时距的下限；hnd表示公交车辆常态车头时距的上限；hd表示公交车辆发生大间隔时的阈值。


3.根据权利要求1所述的一种基于GPS数据的公交运行状态评估方法，其特征在于，所述步骤12)中，K-means聚类算法迭代步骤如下：
a，每个聚类确定一个初始聚类中心，K个聚类对应有K个初始聚类中心；
b，按照最小距离原则，将每一个样本分配到最邻近聚类；每个样本均为一维数据，两个样本之间的距离即为样本值差的绝对值；样本之间距离越小，两个样本的相似度越高，距离越大两个样本的相似度越低；
c，取b步骤每个聚类中的样本均值作为新的聚类中心；
d，重复步骤b和步骤c直到聚类中心不再变化，结束聚类，得到K个聚类。


4.根据权利要求3所述的一种基于GPS数据的公交运行状态评估方法，其特征在于，所述步骤b中，采用欧式距离计算样本之间的距离d(xi,xj)：



式中：xi＝(xi1,xi2,…,xim),m为每一个样本的属性个数；d(xi,xj)为两样本之间的距离，xik为第i个样本...

【专利技术属性】
技术研发人员：邓亚娟，宋明洋，王玥骄，罗鑫，马艳锋，张学宇，
申请(专利权)人：长安大学，
类型：发明
国别省市：陕西;61